【技术实现步骤摘要】
本专利技术涉及数据管理和处理，具体为一种基于工业数字孪生的故障预测方法和系统。
技术介绍
1、随着制造业数字化信息化的深入发展，企业在产品设计、生产、管理、服务等阶段积累了大量的分布式数据。如何管理和利用这样的数据资产，提高企业数据管理效率，降低低价值的人工数据处理业务，同时降低因数据、业务的变动为企业正常运营带来的风险，对促进企业的发展来说至关重要。数据空间系统是一个数据多源异构、面向智能服务、框架灵活、动态更新且适应性强的数据驱动智能系统，它在管理用户所关心的所有数据的同时，提供多样化的数据应用功能，极大地减少数据处理的基础工作，降低处理信息的成本，对于解决工业数据的分布式存储和快速变动、业务流程与数据同步、提高数据驱动的服务水平等方面来说有重要作用。
2、公告号为cn115687623b的中国专利技术专利公开了一种工业数字孪生数据空间构建方法及系统，针对不同类型数据提出了元数据的存在及提取方式，在此基础上，构建关系网络，并按照不同需求按需访问数据，从而避免了直接接入多种分布式数据的麻烦，方便灵活，可复用性高，是一种轻量化的企业数据管理方法。
3、但是现有的数字孪生数据空间不便通过整合和分析多源数据，实时预测设备的未来运行状况和潜在故障，提高生产效率、减少维护成本，以及提高设备的可靠性。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于工业数字孪生的故障预测方法和系统，解决了实时预测设备的未来运行状况和潜在故障的问题。
2、为实
3、进一步地，所述构建现实数据库的过程如下：对工业设备多源实时数据和工业设备多源历史数据中的数据进行标准化，所述标准化包括数据类型转换、单位转换和时间戳对齐；对标准化后的工业设备多源实时数据和工业设备多源历史数据进行预处理，所述预处理包括删除异常值；将工业设备多源实时数据整合到实时数据集中，工业设备多源历史数据整合到历史数据集中；基于实时数据集和历史数据集构建现实数据库。
4、进一步地，对标准化后的工业设备多源实时数据和工业设备多源历史数据进行预处理时，删除异常值的过程如下：读取同源数据并计算同源数据的均值和标准差；基于读取的同源数据，同源数据的均值和标准差计算数据的异常指数，计算公式为：其中ψi为同源数据中第i个数据的异常指数，xi为同源数据中的第i个数据，n为同源数据中数据的个数，xjz为同源数据的均值，σx为同源数据的标准差，e为自然常数，λ为异常指数计算补充参数；将异常指数与异常阈值进行对比，若异常指数大于异常阈值，则判定该数据存在异常，并将其删除。
5、进一步地，所述工业设备多源历史数据包括传感器历史数据、设备状态历史数据和生产线历史数据，所述构建数字孪生数据模型空间的过程如下：构建传感器数学模型模拟传感器运行状态，将模拟结果与传感器历史数据进行验证，调整传感器数学模型；构建设备数学模型模拟设备状态运行状态，将模拟结果与设备状态历史数据进行验证，调整设备数学模型；构建生产线数学模型模拟生产线运行状态，将模拟结果与生产线历史数据进行验证，调整生产线数学模型；将传感器数学模型、设备数学模型和生产线数学模型组合构成数字孪生模型，进而形成数字孪生数据模型空间，将数字孪生模型模拟的多源虚拟数据存储于虚拟数据集中。
6、进一步地，对数字孪生数据模型空间进行调整和校准的过程如下：获取虚拟数据集中的多源虚拟数据和实时数据集中的工业设备多源实时数据；验证多源虚拟数据与多源实时数据的一致性，获得一致性指数；判断一致性指数是否大于设定的一致性阈值，若是则将实时数据集中的工业设备多源实时数据同步至虚拟数据集中，并删除原来的多源虚拟数据，并使用更新后的虚拟数据集对数字孪生模型进行优化验证。
7、进一步地，所述一致性指数的计算公式如下：其中λ为一致性指数，ψi为同源数据一致性指标，m为虚拟数据集和实时数据集包含的同源数据的组数，j为同源数据中数据的个数，为虚拟数据集中第i个同源数据中的第j个数据，为实时数据集中第i个同源数据中的第j个数据，δxw为虚拟数据与实时数据的容差参数，为同源数据一致性指标的权重因子，δψ为偏差参数，ξ为计算补偿参数。
8、进一步地，预测工业设备未来故障运行指数的过程如下：将工业设备未来运行数据和工业设备未来预定义运行数据通过时间戳进行同步；获取工业设备截止至时间戳时的持续运行时间；计算每个时间戳的工业设备未来故障运行指数。
9、进一步地，计算每个时间戳的工业设备未来故障运行指数的计算公式如下：其中γi为第i个时间戳的工业设备未来故障运行指数，t为持续运行时间，t为两个时间戳之间的时间间隔，a为要计算的时间戳的个数，为第i个时间戳的工业设备未来运行数据，为第i个时间戳的工业设备预定义运行数据。
10、一种用于基于工业数字孪生的故障预测方法的系统，包括数据获取模块、孪生模型构建模块、数据交互更新模块、设备运行预测模块和数据库，其中：所述数据库包括实时数据集、历史数据集、虚拟数据集和预测数据集；所述数据获取模块用于获取工业设备运行过程中的多源实时数据以及工业设备在历史运行时间产生的多源历史数据，对获取的多源实时数据和多源历史数据进行预处理整合，并分别发送至数据库中的实时数据集和历史数据集进行存储；所述孪生模型构建模块用于根据不同工业设备建立对应的数学模型，基于数据库中的多源历史数据对对应的数学模型进行优化验证，整合验证后的数学模型构成数字孪生模型，进而形成数字孪生数据模型空间，并将数字孪生模型模拟的多源虚拟数据发送至数据库中的虚拟数据集进行存储；所述数据交互更新模块用于交互多源实时数据和多源虚拟数据，更新虚拟数据集，所述孪生模型构建模块基于更新的虚拟数据集优化验证数字孪生模型，并预测的工业设备未来运行数据，将工业设备未来运行数据发送至数据库中的预测数据集进行存储；所述设备运行预测模块用于基于预测数据集中的工业设备未来运行数据和工业设备未来预定义运行数据，预测工业设备未来故障运行指数。
11、进一步地，还包括预警显示模块，所述预警显示模块用于获取每个时间戳的工业设备未来故障运行指数并将其与设定的故障确定指数进行对比，若工业设备未来故障运行指数大于设定的故障确定指数则通过显示模组进行显示预警信息。...
【技术保护点】
1.一种基于工业数字孪生的故障预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于工业数字孪生的故障预测方法，其特征在于：所述构建现实数据库的过程如下：
3.根据权利要求2所述的一种基于工业数字孪生的故障预测方法，其特征在于：对标准化后的工业设备多源实时数据和工业设备多源历史数据进行预处理时，删除异常值的过程如下：
4.根据权利要求3所述的一种基于工业数字孪生的故障预测方法，其特征在于：所述工业设备多源历史数据包括传感器历史数据、设备状态历史数据和生产线历史数据，所述构建数字孪生数据模型空间的过程如下：
5.根据权利要求4所述的一种基于工业数字孪生的故障预测方法，其特征在于：对数字孪生数据模型空间进行调整和校准的过程如下：
6.根据权利要求5所述的一种基于工业数字孪生的故障预测方法，其特征在于，所述一致性指数的计算公式如下：其中Λ为一致性指数，Ψi为同源数据一致性指标，m为虚拟数据集和实时数据集包含的同源数据的组数，J为同源数据中数据的个数，为虚拟数据集中第i个同源数据中的第j个数据，为实时数据集中第i
7.一种基于工业数字孪生的故障预测系统，用于权利要求1-6任一项所述的一种基于工业数字孪生的故障预测方法，其特征在于，包括数据获取模块、孪生模型构建模块、数据交互更新模块、设备运行预测模块和数据库，其中：
8.根据权利要求7所述的一种基于工业数字孪生的故障预测系统，其特征在于，还包括预警显示模块，所述预警显示模块用于获取每个时间戳的工业设备未来故障运行指数并将其与设定的故障确定指数进行对比，若工业设备未来故障运行指数大于设定的故障确定指数则通过显示模组进行显示预警信息。
...【技术特征摘要】
1.一种基于工业数字孪生的故障预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于工业数字孪生的故障预测方法，其特征在于：所述构建现实数据库的过程如下：
3.根据权利要求2所述的一种基于工业数字孪生的故障预测方法，其特征在于：对标准化后的工业设备多源实时数据和工业设备多源历史数据进行预处理时，删除异常值的过程如下：
4.根据权利要求3所述的一种基于工业数字孪生的故障预测方法，其特征在于：所述工业设备多源历史数据包括传感器历史数据、设备状态历史数据和生产线历史数据，所述构建数字孪生数据模型空间的过程如下：
5.根据权利要求4所述的一种基于工业数字孪生的故障预测方法，其特征在于：对数字孪生数据模型空间进行调整和校准的过程如下：
6.根据权利要求5所述的一种基于工业数字孪生的故障预测方法，其特征在于，所述一致性指数的计算公式如下：...
【专利技术属性】
技术研发人员：刘志群，马云鹤，刘文凯，
申请(专利权)人：天津建设发展集团股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。